CN110458856A - 一种熔池图像边缘检测方法、装置及存储介质 - Google Patents
一种熔池图像边缘检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110458856A CN110458856A CN201910661667.9A CN201910661667A CN110458856A CN 110458856 A CN110458856 A CN 110458856A CN 201910661667 A CN201910661667 A CN 201910661667A CN 110458856 A CN110458856 A CN 110458856A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- subgraph
- formula
- edge image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003708 edge detection Methods 0.000 title claims abstract description 34
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 19
- 239000000155 melt Substances 0.000 claims description 35
- 230000003628 erosive effect Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 230000010339 dilation Effects 0.000 claims description 12
- 230000015556 catabolic process Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims 1
- 238000003466 welding Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种熔池图像边缘检测方法、装置及存储介质，其方法包括：获取初始熔池图像，根据小波变换模极大值法对初始熔池图像的边缘进行提取，得到第一边缘图像，根据数学形态学边缘检测算法对初始熔池图像的边缘进行提取，得到第二边缘图像，分别对第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，对第一边缘分解图像集和第二边缘分解图像集中的低频子图像进行融合处理，并对第一边缘分解图像集和所述第二边缘分解图像集中的所述高频子图像进行融合处理，得到融合边缘图像集。本发明将初始图像分成两个边缘图像结合处理的方式，能够抑制图像噪声，使边缘信息突出，得到的边缘连续性好。
Description
技术领域
本发明主要涉及图像处理技术领域，具体涉及一种熔池图像边缘检测方法、装置及存储介质。
背景技术
计算机视觉技术的日渐成熟，使焊接自动化的可靠性得到大大的提高。在焊接过程中焊接质量的实时监测和控制是焊接自动化实现的前提，而焊接质量精准的在线控制很大程度上由提取出熔池边缘的精度来决定。边缘含有大量有价值的信息，从熔池边缘图像中可以获取熔池图像中最大的宽度信息，并根据熔池半长以及熔池后托角等相关信息，建立焊接熔池的特征图像，从而根据熔池图像映射模型，调节工业熔池焊接规范，实现对熔池焊接过程的控制。
现有的图像边缘检测的方法有很多，最常用的是空域检测，空域检测中都是利用算子进行边缘检测，但算子普遍对噪声很敏感，实际中存在极大的缺陷。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种熔池图像边缘检测方法、装置及存储介质。
本发明解决上述技术问题的技术方案如下：一种熔池图像边缘检测方法，包括如下步骤：
获取初始熔池图像。
根据小波变换模极大值法对所述初始熔池图像的边缘进行提取，得到第一边缘图像，并根据数学形态学边缘检测算法对所述初始熔池图像的边缘进行提取，得到第二边缘图像。
分别对所述第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，所述第一边缘分解图像集包括第一低频子图像和第一高频子图像，所述第二边缘分解图像集包括第二低频子图像和第二高频子图像。
对所述第一低频子图像和所述第二低频子图像进行融合处理，并对所述第一高频子图像和所述第二高频子图像所述高频子图像进行融合处理，得到融合边缘图像集，所述融合边缘图像集包括经融合后的低频子图像和高频子图像。
对所述融合边缘图像集进行重构处理，得到熔池图像边缘。
本发明解决上述技术问题的另一技术方案如下：一种熔池图像边缘检测装置，包括：
初始图像获取模块，用于获取初始熔池图像。
边缘提取模块，用于根据小波变换模极大值法对所述初始熔池图像的边缘进行提取，得到第一边缘图像，并根据数学形态学边缘检测算法对所述初始熔池图像的边缘进行提取，得到第二边缘图像。
分解模块，用于分别对所述第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，所述第一边缘分解图像集包括第一低频子图像和第一高频子图像，所述第二边缘分解图像集包括第二低频子图像和第二高频子图像。
融合模块，用于对所述第一低频子图像和所述第二低频子图像进行融合处理，并对所述第一高频子图像和所述第二高频子图像进行融合处理，得到融合边缘图像集，所述融合边缘图像集包括经融合后的低频子图像和高频子图像。
重构模块，用于对所述融合边缘图像集进行重构处理，得到熔池图像边缘。
本发明解决上述技术问题的另一技术方案如下：一种熔池图像边缘检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的熔池图像边缘检测方法。
本发明解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的熔池图像边缘检测方法。
本发明的有益效果是：通过小波变换模极大值法和数学形态学边缘检测算法对初始熔池图像进行检测，分别得到两个边缘图像，将两个边缘图像进行分解，分别得到低频和高频图像，再将两个边缘图像的低频及高频图像进行融合及重构处理，得到最终的熔池图像边缘；将初始图像分成两个边缘图像结合处理的方式，能够抑制图像噪声，使边缘信息突出，得到的边缘连续性好。
附图说明
图1为本发明一实施例提供的熔池图像边缘检测方法的流程示意图；
图2为本发明一实施例提供的熔池图像边缘检测装置的模块框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
图1为本发明一实施例提供的熔池图像边缘检测方法的流程示意图。
如图1所示，一种熔池图像边缘检测方法，包括如下步骤：
获取初始熔池图像。
根据小波变换模极大值法对所述初始熔池图像的边缘进行提取，得到第一边缘图像，并根据数学形态学边缘检测算法对所述初始熔池图像的边缘进行提取，得到第二边缘图像。
分别对所述第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，所述第一边缘分解图像集包括第一低频子图像和第一高频子图像，所述第二边缘分解图像集包括第二低频子图像和第二高频子图像。
对所述第一低频子图像和所述第二低频子图像进行融合处理，并对所述第一高频子图像和所述第二高频子图像进行融合处理，得到融合边缘图像集，所述融合边缘图像集包括经融合后的低频子图像和高频子图像。
对所述融合边缘图像集进行重构处理，得到熔池图像边缘。
上述实施例中，通过小波变换模极大值法和数学形态学边缘检测算法对初始熔池图像进行检测，分别得到两个边缘图像，将两个边缘图像进行分解，分别得到低频和高频图像，再将两个边缘图像的低频及高频图像进行融合及重构处理，得到最终的熔池图像边缘；将初始图像分成两个边缘图像结合处理的方式，能够抑制图像噪声，使边缘信息突出，得到的边缘连续性好。
可选地，作为本发明的一个实施例，所述根据小波变换模极大值法对所述熔池边缘图像的边缘进行提取的过程包括：
设所述熔池边缘图像为f(x，y)、尺度为s以及平滑函数为θs(x，y)，熔池边缘图像f(x，y)经平滑函数θs(x，y)在尺度s作用下进行二维二进小波变换，通过第一式计算水平方向梯度矢量和垂直方向梯度矢量，所述第一式为：
其中，表示边缘沿水平方向的梯度矢量，表示边缘沿垂直方向的梯度矢量，为向量，向量的模取局部极大值的点对应了边缘相应位置的突变点或尖锐点变化的位置；其大小反映了该位置的灰度强度。
根据水平方向梯度矢量垂直方向梯度矢量和第二式计算所述熔池边缘图像f(x，y)的模值，所述第二式为：
根据第三式计算所述熔池边缘图像f(x，y)的梯度矢量方向，所述第三式为：
根据所述模值得到所述熔池边缘图像f(x，y)的局部极大值点，即根据计算边缘对应于模极大值的点的方向，得到梯度，根据所述梯度矢量方向检测所述局部极大值点，得到所述第一边缘图像。
可选地，作为本发明的一个实施例，所述根据数学形态学边缘检测算法对所述熔池边缘图像的边缘进行提取的过程包括：
设所述熔池边缘图像为f(x，y)，设结构元素为B，
根据膨胀运算公式对熔池边缘图像f(x，y)进行膨胀运算，所述膨胀运算公式为：
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第一检测算子在经膨胀运算的熔池边缘图像f(x，y)中检测边缘，所述第一检测算子为：
根据腐蚀运算公式对熔池边缘图像f(x，y)进行腐蚀运算，所述腐蚀运算公式为：
(fΘB)(x，y)＝f(x，y)ΘB(x，y)＝min{f(x+i，y+i)-B(i，j)}，
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第二检测算子在经腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第二检测算子为：
Ed2(x，y)＝f(x，y)-f(x，y)ΘB(x，y)，
根据第四式对所述熔池边缘图像f(x，y)进行先膨胀再腐蚀运算，所述第四式为：
根据第三检测算子对经膨胀及腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第三检测算子为：
根据所述第一检测算子、第二检测算子和第三检测算子得到所述第二边缘图像。
上述实施例中，利用小波变换模极大值法得到第一边缘图像，利用数学形态学边缘检测算法得到第二边缘图像，利用第一边缘图像的边缘性好和第二边缘图像的连续性好的优点，对两者进行处理，得到边缘性及连续性好的熔池图像边缘。
可选地，作为本发明的一个实施例，所述分别对所述第一边缘图像和所述第二边缘图像进行小波分解的过程包括：
设所述熔池边缘图像为f(x，y)，根据第五式对所述第一边缘图像和所述第二边缘图像进行小波分解，所述第五式为：
其中，C表示所述第一边缘图像或所述第二边缘图像分解后得到的低频近似子图像，表示所述第一边缘图像或所述第二边缘图像分解后得到的水平高频细节子图像，表示所述第一边缘图像或所述第二边缘图像分解后得到的垂直高频细节子图像，表示所述第一边缘图像或所述第二边缘图像分解后得到的对角高频细节子图像，H表示尺度系数对应滤波器的系数矩阵，G表示小波系数对应滤波器的系数矩阵，H′和G′分别表示H和G的共轭转置矩阵，j表示分解层数，所述第一边缘分解图像集和所述第二边缘分解图像集分别包括低频近似子图像、水平高频细节子图像、垂直高频细节子图像和对角高频细节子图像。
应理解地，第一高频子图像包括由第一边缘图像分解得到的水平高频细节子图像、垂直高频细节子图像和对角高频细节子图像；第二高频子图像包括由第二边缘图像分解得到的水平高频细节子图像、垂直高频细节子图像和对角高频细节子图像。
具体地，利用db4小波进行三层小波分解，得到低频近似子图像、水平高频细节子图像、垂直高频细节子图像和对角高频细节子图像。
上述实施例中，使第一边缘图像和第二边缘图像的低频图像融合，使第一边缘图像和第二边缘图像的多个高频图像融合，以得到清晰的图像边缘。
可选地，作为本发明的一个实施例，所述对分解后的熔池边缘图像进行重构处理的过程包括：
根据小波逆变换重构公式对分解后的熔池边缘图像进行重构处理，所述小波逆变换重构公式为：
其中，Cj-1表示重构后的熔池图像边缘，Cj表示融合后的低频近似子图像，表示融合后的水平高频细节子图像，表示融合后的垂直高频细节子图像，Dd表示融合后的对角高频细节子图像，G表示小波系数对应滤波器的系数矩阵，H′和G′分别表示H和G的共轭转置矩阵，j表示分解层数。
上述实施例中，将融合后的低频图像和多个高频图像全部重构，从而得到边缘性及连续性好的熔池图像边缘，清晰度及准确度都较好。
图2为本发明一实施例提供的熔池图像边缘检测装置的模块框图。
可选地，作为本发明的一个实施例，如图2所示，一种熔池图像边缘检测装置，包括：
初始图像获取模块，用于获取初始熔池图像。
边缘提取模块，用于根据小波变换模极大值法对所述初始熔池图像的边缘进行提取，得到第一边缘图像，并根据数学形态学边缘检测算法对所述初始熔池图像的边缘进行提取，得到第二边缘图像。
分解模块，用于分别对所述第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，所述第一边缘分解图像集包括第一低频子图像和第二高频子图像，所述第二边缘分解图像集包括第二低频子图像和第二高频子图像。
融合模块，用于对所述第一低频子图像和所述第二低频子图像进行融合处理，并对所述第一高频子图像和所述第二高频子图像进行融合处理，得到融合边缘图像集，所述融合边缘图像集包括经融合后的低频子图像和高频子图像。
重构模块，用于对所述融合边缘图像集进行重构处理，得到熔池图像边缘。
上述实施例中，通过小波变换模极大值法和数学形态学边缘检测算法对初始熔池图像进行检测，分别得到两个边缘图像，将两个边缘图像进行分解，分别得到低频和高频图像，再将两个边缘图像的低频及高频图像进行融合及重构处理，得到最终的熔池图像边缘；将初始图像分成两个边缘图像结合处理的方式，能够抑制图像噪声，使边缘信息突出，得到的边缘连续性好。
可选地，作为本发明的一个实施例，所述分解模块具体用于：
设所述熔池边缘图像为f(x，y)、尺度为s以及平滑函数为θs(x，y)，熔池边缘图像f(x，y)经平滑函数θs(x，y)在尺度S作用下进行二维二进小波变换，具体为：通过第一式计算水平方向梯度矢量和垂直方向梯度矢量，所述第一式为：
其中，表示边缘沿水平方向的梯度矢量，表示边缘沿垂直方向的梯度矢量，为向量，向量的模取局部极大值的点对应了边缘相应位置的突变点或尖锐点变化的位置；其大小反映了该位置的灰度强度。
根据水平方向梯度矢量垂直方向梯度矢量和第二式计算所述熔池边缘图像f(x，y)的模值，所述第二式为：
根据第三式计算所述熔池边缘图像f(x，y)的梯度矢量方向，所述第三式为：
根据所述模值得到所述熔池边缘图像f(x，y)的局部极大值点，即根据计算边缘对应于模极大值的点的方向，得到梯度，根据所述梯度矢量方向检测所述局部极大值点，得到所述第一边缘图像。
可选地，作为本发明的一个实施例，所述分解模块具体用于：
设所述熔池边缘图像为f(x，y)，设结构元素为B，
根据膨胀运算公式对熔池边缘图像f(x，y)进行膨胀运算，所述膨胀运算公式为：
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第一检测算子在经膨胀运算的熔池边缘图像f(x，y)中检测边缘，所述第一检测算子为：
根据腐蚀运算公式对熔池边缘图像f(x，y)进行腐蚀运算，所述腐蚀运算公式为：
(fΘB)(x，y)＝f(x，y)ΘB(x，y)＝min{f(x+i，y+i)-B(i，j)}，
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第二检测算子在经腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第二检测算子为：
Ed2(x，y)＝f(x，y)-f(x，y)ΘB(x，y)，
根据第四式对所述熔池边缘图像f(x，y)进行先膨胀再腐蚀运算，所述第四式为：
根据第三检测算子对经膨胀及腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第三检测算子为：
根据所述第一检测算子、所述第二检测算子和所述第三检测算子得到所述第二边缘图像。
可选地，本发明的另一个实施例提供一种熔池图像边缘检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的熔池图像边缘检测方法。该装置可为计算机等装置。
可选地，本发明的另一个实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的熔池图像边缘检测方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种熔池图像边缘检测方法，其特征在于，包括如下步骤：
获取初始熔池图像；
根据小波变换模极大值法对所述初始熔池图像的边缘进行提取，得到第一边缘图像，并根据数学形态学边缘检测算法对所述初始熔池图像的边缘进行提取，得到第二边缘图像；
分别对所述第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，所述第一边缘分解图像集包括第一低频子图像和第一高频子图像，所述第二边缘分解图像集包括第二低频子图像和第二高频子图像；
对所述第一低频子图像和所述第二低频子图像进行融合处理，并对所述第一高频子图像和所述第二高频子图像进行融合处理，得到融合边缘图像集，所述融合边缘图像集包括经融合后的低频子图像和高频子图像；
对所述融合边缘图像集进行重构处理，得到熔池图像边缘。
2.根据权利要求1所述的熔池图像边缘检测方法，其特征在于，所述根据小波变换模极大值法对所述熔池边缘图像的边缘进行提取的过程包括：
设所述熔池边缘图像为f(x，y)、尺度为s以及平滑函数为θs(x，y)，熔池边缘图像f(x，y)经平滑函数θs(x，y)在尺度s作用下进行二维二进小波变换，具体为：通过第一式计算水平方向梯度矢量和垂直方向梯度矢量，所述第一式为：
其中，表示边缘沿水平方向的梯度矢量，表示边缘沿垂直方向的梯度矢量，为向量，向量的模取局部极大值的点对应了边缘相应位置的突变点或尖锐点变化的位置；
根据水平方向梯度矢量垂直方向梯度矢量和第二式计算所述熔池边缘图像f(x，y)的模值，所述第二式为：
根据第三式计算所述熔池边缘图像f(x，y)的梯度矢量方向，所述第三式为：
根据所述模值得到所述熔池边缘图像f(x，y)的局部极大值点，根据所述梯度矢量方向检测所述局部极大值点，得到所述第一边缘图像。
3.根据权利要求1所述的熔池图像边缘检测方法，其特征在于，所述根据数学形态学边缘检测算法对所述熔池边缘图像的边缘进行提取的过程包括：
设所述熔池边缘图像为f(x，y)，设结构元素为B，
根据膨胀运算公式对熔池边缘图像f(x，y)进行膨胀运算，所述膨胀运算公式为：
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第一检测算子在经膨胀运算的熔池边缘图像f(x，y)中检测边缘，所述第一检测算子为：
根据腐蚀运算公式对熔池边缘图像f(x，y)进行腐蚀运算，所述腐蚀运算公式为：
(fΘB)(x，y)＝f(x，y)ΘB(x，y)＝min{f(x+i，y+i)-B(i，j)}，
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第二检测算子在经腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第二检测算子为：
Ed2(x，y)＝f(x，y)-f(x，y)ΘB(x，y)，
根据第四式对所述熔池边缘图像f(x，y)进行先膨胀再腐蚀运算，所述第四式为：
根据第三检测算子对经膨胀及腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第三检测算子为：
根据所述第一检测算子、所述第二检测算子和所述第三检测算子得到所述第二边缘图像。
4.根据权利要求1所述的熔池图像边缘检测方法，其特征在于，所述分别对所述第一边缘图像和所述第二边缘图像进行小波分解的过程包括：
设所述熔池边缘图像为f(x，y)，根据第五式对所述第一边缘图像和所述第二边缘图像进行小波分解，所述第五式为：
其中，C表示所述第一边缘图像或所述第二边缘图像分解后得到的低频近似子图像，表示所述第一边缘图像或所述第二边缘图像分解后得到的水平高频细节子图像，表示所述第一边缘图像或所述第二边缘图像分解后得到的垂直高频细节子图像，表示所述第一边缘图像或所述第二边缘图像分解后得到的对角高频细节子图像，H表示尺度系数对应滤波器的系数矩阵，G表示小波系数对应滤波器的系数矩阵，H′和G′分别表示H和G的共轭转置矩阵，j表示分解层数，所述第一边缘分解图像集包括由所述第一边缘图像分解得到的低频近似子图像、水平高频细节子图像、垂直高频细节子图像和对角高频细节子图像，所述第二边缘分解图像集包括由所述第二边缘分解图像分解得到的低频近似子图像、水平高频细节子图像、垂直高频细节子图像和对角高频细节子图像。
5.根据权利要求1所述的熔池图像边缘检测方法，其特征在于，所述对分解后的熔池边缘图像进行重构处理的过程包括：
根据小波逆变换重构公式对分解后的熔池边缘图像进行重构处理，所述小波逆变换重构公式为：
其中，Cj-1表示重构后的熔池图像边缘，Cj表示融合后的低频近似子图像，表示融合后的水平高频细节子图像，表示融合后的垂直高频细节子图像，Dd表示融合后的对角高频细节子图像，G表示小波系数对应滤波器的系数矩阵，H′和G′分别表示H和G的共轭转置矩阵，j表示分解层数。
6.一种熔池图像边缘检测装置，其特征在于，包括：
初始图像获取模块，用于获取初始熔池图像；
边缘提取模块，用于根据小波变换模极大值法对所述初始熔池图像的边缘进行提取，得到第一边缘图像，并根据数学形态学边缘检测算法对所述初始熔池图像的边缘进行提取，得到第二边缘图像；
分解模块，用于分别对所述第一边缘图像和所述第二边缘图像进行小波分解，得到第一边缘分解图像集和第二边缘分解图像集，所述第一边缘分解图像集包括第一低频子图像和第一高频子图像，所述第二边缘分解图像集包括第二低频子图像和第二高频子图像；
融合模块，用于对所述第一低频子图像和所述第二低频子图像进行融合处理，并对所述第一高频子图像和所述第二高频子图像进行融合处理，得到融合边缘图像集，所述融合边缘图像集包括经融合后的低频子图像和高频子图像；
重构模块，用于对所述融合边缘图像集进行重构处理，得到熔池图像边缘。
7.根据权利要求6所述的熔池图像边缘检测装置，其特征在于，所述分解模块具体用于：
设所述熔池边缘图像为f(x，y)、尺度为s以及平滑函数为θs(x，y)，熔池边缘图像f(x，y)经平滑函数θs(x，y)在尺度s作用下进行二维二进小波变换，具体为：通过第一式计算水平方向梯度矢量和垂直方向梯度矢量，所述第一式为：
其中，表示边缘沿水平方向的梯度矢量，表示边缘沿垂直方向的梯度矢量，为向量，向量的模取局部极大值的点对应了边缘相应位置的突变点或尖锐点变化的位置；
根据水平方向梯度矢量垂直方向梯度矢量和第二式计算所述熔池边缘图像f(x，y)的模值，所述第二式为：
根据第三式计算所述熔池边缘图像f(x，y)的梯度矢量方向，所述第三式为：
根据所述模值得到所述熔池边缘图像f(x，y)的局部极大值点，根据所述梯度矢量方向检测所述局部极大值点，得到所述第一边缘图像。
8.根据权利要求6所述的熔池图像边缘检测装置，其特征在于，所述分解模块具体用于：
设所述熔池边缘图像为f(x，y)，设结构元素为B，
根据膨胀运算公式对熔池边缘图像f(x，y)进行膨胀运算，所述膨胀运算公式为：
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第一检测算子在经膨胀运算的熔池边缘图像f(x，y)中检测边缘，所述第一检测算子为：
根据腐蚀运算公式对熔池边缘图像f(x，y)进行腐蚀运算，所述腐蚀运算公式为：
(fΘB)(x，y)＝f(x，y)ΘB(x，y)＝min{f(x+i，y+i)-B(i，j)}，
其中，(x-i，y-i)∈Df，(x+i，y+i)∈Df，(i，j)∈DB，
根据第二检测算子在经腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第二检测算子为：
Ed2(x，y)＝f(x，y)-f(x，y)ΘB(x，y)，
根据第四式对所述熔池边缘图像f(x，y)进行先膨胀再腐蚀运算，所述第四式为：
根据第三检测算子对经膨胀及腐蚀运算的熔池边缘图像f(x，y)中检测边缘，所述第三检测算子为
根据所述第一检测算子、所述第二检测算子和所述第三检测算子得到所述第二边缘图像。
9.一种熔池图像边缘检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，实现如权利要求1至4任一项所述的熔池图像边缘检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至4任一项所述的熔池图像边缘检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910661667.9A CN110458856A (zh) | 2019-07-22 | 2019-07-22 | 一种熔池图像边缘检测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910661667.9A CN110458856A (zh) | 2019-07-22 | 2019-07-22 | 一种熔池图像边缘检测方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110458856A true CN110458856A (zh) | 2019-11-15 |
Family
ID=68482915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910661667.9A Withdrawn CN110458856A (zh) | 2019-07-22 | 2019-07-22 | 一种熔池图像边缘检测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458856A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111325765A (zh) * | 2020-02-18 | 2020-06-23 | 山东超越数控电子股份有限公司 | 一种基于冗余小波变换的图像边缘检测算法 |
| CN115631122A (zh) * | 2022-11-07 | 2023-01-20 | 北京拙河科技有限公司 | 一种用于边缘图像算法的图像优化方法及装置 |
-
2019
- 2019-07-22 CN CN201910661667.9A patent/CN110458856A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111325765A (zh) * | 2020-02-18 | 2020-06-23 | 山东超越数控电子股份有限公司 | 一种基于冗余小波变换的图像边缘检测算法 |
| CN111325765B (zh) * | 2020-02-18 | 2022-07-05 | 超越科技股份有限公司 | 一种基于冗余小波变换的图像边缘检测方法 |
| CN115631122A (zh) * | 2022-11-07 | 2023-01-20 | 北京拙河科技有限公司 | 一种用于边缘图像算法的图像优化方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9536147B2 (en) | Optical flow tracking method and apparatus | |
| CN108416789A (zh) | 图像边缘检测方法及*** | |
| CN104978715A (zh) | 一种基于滤波窗口及参数自适应的非局部均值图像去噪方法 | |
| EP2570966A2 (en) | Fast obstacle detection | |
| CN104282011B (zh) | 一种检测视频图像中干扰条纹的方法及装置 | |
| CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
| CN101996406A (zh) | 无参考结构清晰度图像质量评价方法 | |
| CN106485721B (zh) | 从光学相干断层图像获取视网膜结构的方法及其*** | |
| CN108827181B (zh) | 一种基于视觉的板材表面检测方法 | |
| CN106530271B (zh) | 一种红外图像显著性检测方法 | |
| CN109685766A (zh) | 一种基于区域融合特征的布匹瑕疵检测方法 | |
| CN104574393A (zh) | 一种三维路面裂缝图像生成***和方法 | |
| DE112014003818T5 (de) | Objektschätzvorrichtung und Objektschätzverfahren | |
| CN106163404A (zh) | 用于射线图像的肺分割和骨抑制技术 | |
| CN110458856A (zh) | 一种熔池图像边缘检测方法、装置及存储介质 | |
| CN113012157A (zh) | 一种设备缺陷视觉检测方法及*** | |
| CN111383257A (zh) | 一种车厢装卸率确定方法和装置 | |
| CN117315210B (zh) | 一种基于立体成像的图像虚化方法及相关装置 | |
| CN105662412B (zh) | 一种磁共振***的一阶匀场方法、装置及设备 | |
| CN112396618B (zh) | 一种基于图像处理的晶界提取及晶粒度测量方法 | |
| Biswas et al. | Spine medical image fusion using wiener filter in shearlet domain | |
| CN106846262A (zh) | 去除蚊式噪声的方法及*** | |
| Khan et al. | Fully automatic heart beat rate determination in digital video recordings of rat embryos | |
| CN109785312A (zh) | 一种图像模糊检测方法、***及电子设备 | |
| CN109978876A (zh) | 一种基于快速双边滤波的烟雾识别方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191115 |
|
| WW01 | Invention patent application withdrawn after publication |